window docker TensorFlow环境搭建
2017-12-30 13:42
573 查看
安装docker
之前只写过docker file,没怎么接触过docker的环境安装,这次也算尝试一下吧,首先下载DockerToolbox.exe安装完成以后,启动脚本start.sh ,会默认去检查版本,如果是同时安装了virtualBox,建议重新启动一下,这块卡了很久,一直报启动vboxManage异常,找了半天原因。。。
这一步网上的说明还是很多的,docker的相关内容也不熟,不敢乱写额
启动tensorFlow的相关镜像
执行下面的命令docker run -d -p 8888:8888 --name="tensor" gcr.io/tensorflow/tensorflow
-p 8888:8888 指的是将本地的8888端口映射成docker镜像的8888端口,tensor容器内运行的Jupyter服务占用了8888端口,这个服务是一个网页版的编辑器,支持上传、创建、修改、运行python程序。
--name 是镜像的名称
gcr.io/tensorflow/tensorflow 这个是官方给的tensorflow的镜像,已经集成了tensorflow以及tensorflow的相关依赖
首次运行会从服务器上下载对应的文件
启动该容器
docker exec -i tensor bash
同时可以使用docker-machine命令来查看当前正在运行的docker服务器
docker-machine.exe ls
可以看到docker server的ip是192.1668.99.100
通过浏览器访问http://192.168.99.100:8888/tree?,是Jupyter服务,如下图:
首次可能会需要口令,获取方式是:在容器的bash内执行:
jupyter notebook list
token即为口令,通过页面可以上传对应的python代码,然后在bash内执行查看效果
执行一个简单的程序
利用jupyter来执行,新建一个程序编写代码,点击run即可得到结果
附录:
https://github.com/aymericdamien/TensorFlow-Examples?spm=5176.100239.blogcont60601.20.815eea70STfiF相关文章推荐
- [step by step]利用docker搭建Tensorflow环境(tensorboard + tensorflow+gpu)
- 关于建立tensorflowOnspark时候,需要做的环境搭建,看如下链接的文章
- Tensorflow+Spyder环境搭建(Mac OS)
- ubuntu+anaconda+tensorflow环境搭建
- 分享centos+python+keras+tensorflow环境的docker镜像
- window下搭建Docker的Mysql环境
- tensorflow+cuda+linux mint开发环境搭建
- Tensorflow object detection API 搭建属于自己的物体识别模型(1)——环境搭建与测试
- Mac OS tensorflow的环境搭建
- 在Ubuntu的环境下,使用Spyder+TensorFlow搭建深度学习环境
- Tensorflow+Spyder+Opencv环境搭建
- TensorFlowOnSpark HDP环境搭建及Mnist部署测试过程
- 转:ubuntu 下GPU版的 tensorflow / keras的环境搭建
- win7系统 深度学习环境 anaconda+tensorflow+jupyter notebook轻松搭建
- 深度学习环境搭建:linux下 Ubuntu16.04+cuda8.0+cudnn+anaconda+tensorflow并配置远程访问jupyter notebook
- windows系统下的keras(Theano/Tensorflow后端)CPU以及GPU加速环境搭建
- 学习笔记1:深度学习环境搭建win+python+tensorflow1.5+CUDA9.0+cuDNN7.0
- 用Docker在Ubuntu下 设置一个完整的Python + TensorFlow + GPU support + jupyter notebook + Deep Learning 开发环境
- [AI开发]centOS7.5上基于keras/tensorflow深度学习环境搭建